像下面這種圖都是在講AI將創(chuàng)建更大的價值：

這沒問題，但有一點很少人談到:AI在創(chuàng)造價值的同時也會帶來大量的價值壓縮。

前者是機遇后者是風險。

什么是價值壓縮？

舉個例子，智能手機之前卡片相機是個巨大市場，但智能手機崛起后，卡片相機整個市場被壓縮掉了。

我們可以講卡片相機比任何時候都好，因為手機就是卡片相機。但這個市場確實不獨立存在而是成為更通用產(chǎn)品的一個部分。

所以這里壓縮可能比顛覆等等詞更合適。

壓縮的警示是什么呢？

通用產(chǎn)生壓縮。

而如果認為手機在通用上給相關產(chǎn)品帶來的影響是1，那大模型在通用上的影響可能是100。

最大的警示是不要站在被壓縮一方，如果站在被壓縮一方那努力不改變結果。

2007年iPhone出現(xiàn)后，卡片相機做的比過去好兩倍會改變結果么？

壓縮背后是應用邊界的重新定義，局部改善不影響整體結果。

現(xiàn)在AI因為智能的通用性，所以會壓縮掉的東西遠比想的多，當然也帶來更多的風險。

什么是AI下的價值壓縮？

先拿搜索舉例子。

信息量高速膨脹的時候，必須有一種比分類更快的方式找到對應的信息，這就是搜索和個性化推薦。

搜索是拉，個性化推薦是推。

一旦模型變主流，拉的形式下信息消費方式注定變化。不是搜索沒效了，而是搜索會像卡片相機一樣變成AI背后第一個功能。這可能是Perplexity這類新派搜索引擎發(fā)展這么快的原因。

更關鍵是這類應用一旦成功，背后要放的功能肯定不止是搜索，我們能看到的大量的工具比如新聞都可能變成它的一部分。大量現(xiàn)有應用被壓縮。

自然語言交互相比GUI的一個好處是它其實可以放幾乎無限的功能，交互不會因為內(nèi)容的變多而增加復雜度，所以沒有限制。

AI下 的價值壓縮只發(fā)生在C端么？

AI帶來的價值壓縮并不止會在上面說的C端發(fā)生。

B端也一樣，過去我們按照功能分了大量獨立的軟件出來，財務的、人事的、供應鏈的等待。實際上這些功能從AI的視角看其實是類似的，不需要獨立存在。

微軟納德拉的觀點明顯是在說這事：

為什么感受還不明顯？

AI應用還在一個前奏的階段。

要搞定的遠不是單純的模型問題，還有如何與市場對齊的問題等等。

研究清楚新技術怎么用需要克服的困難和把新技術創(chuàng)建出來不太一樣，我們還是拿卡片相機舉例子。

2007年其實大量用于做智能手機的技術已經(jīng)在那里了。所有卡片相機廠商也在積極的應用這些技術提升卡片相機的體驗，極端來講多點觸控也可以用來改善卡片相機啊。

這里就變成了兩種情況：

一種是用新技術把過去的產(chǎn)品體驗提升10%；一種是新整一套比如iPhone。

我們當前大概處在前者的嘗試之中，而當這個嘗試足夠多，相信其中就會有部分人把精力轉到后者，而這時候會在技能集上提出全新的挑戰(zhàn)。

但這也正是機會所在。

小結

大過年的，也還沒開工，就不寫那么長了。近來DS引起廣大關注，這確實也是巨大進展，但只有這個是不夠的。真正突破的產(chǎn)品必然需要在模型之上做綜合，并且創(chuàng)造在市場側可感受到完全不一樣的價值。不過循著R1/O1這條路來構思，可能會離答案近一點。比較確定是把大模型當功能模塊用，用于提升過去功能的10%，路數(shù)是有問題的，大概率被壓縮。